Strach z robotickej apokalypsy skrýva skutočné problémy, ktorým čelíme, a umožňuje algoritmom riadiť naše životy. Podľa odborníkov v oblasti umelej inteligencie sa neustále posúvame k určitému bodu, po ktorom už nemusíme nič vymýšľať: umelá inteligencia urobí všetko sama a stroje sa zlepšia exponenciálne. Ak sa to stane, čo z nás bude?
Za posledných pár rokov nás mnoho významných vedcov, od Stephena Hawkinga až po Elona Muska, varovalo, že by sme mali byť mimoriadne znepokojení možnými nebezpečnými výsledkami superinteligentnej umelej inteligencie. A svoje slová podporujú činom: Musk sponzoruje OpenAI, organizáciu vyvíjajúcu AI, ktorá bude prospešná pre ľudstvo.
Mnohí však považujú svoje obavy za prehnané. Ako poznamenáva Andrew Ng zo Stanfordskej univerzity, ktorý je tiež hlavným vedcom čínskeho internetového giganta Baidu, obavy z povstania strojov sú ako obavy z preplnenia Marsu.
To však samozrejme neznamená, že naša rastúca závislosť od AI neprináša žiadne skutočné riziká. Tieto riziká v skutočnosti už sú. Pretože sa inteligentné systémy čoraz viac zapájajú do všetkého, od zdravotnej starostlivosti až po trestné právo, existuje nebezpečenstvo, že budú prehliadnuté dôležité časti nášho života.
Okrem toho môže AI viesť k nepríjemným následkom, ak na ne nie sme pripravení, napríklad zmeníme náš postoj k lekárom na prudko nepriateľský.
Propagačné video:
Dve slová o umelej inteligencii
Zjednodušene povedané ide o stroje, ktoré robia veci, ktoré si zvyčajne vyžadujú duševné úsilie človeka: porozumenie prirodzenej reči, rozpoznávanie tvárí na fotografiách, riadenie automobilov atď.
Je rozdiel medzi mechanickým manipulátorom na výrobnej linke, ktorý je naprogramovaný na vykonávanie rovnakej úlohy, a manipulátorom, ktorý sa nezávisle naučí vykonávať rôzne úlohy metódou pokus - omyl.
Ako nám pomáha AI?
Najdôležitejším prístupom v oblasti umelej inteligencie je v súčasnosti strojové učenie, pri ktorom sa trénujú programy na identifikáciu určitých vzorcov vo veľkom množstve údajov, ako je napríklad identifikácia tváre v obraze alebo uskutočnenie víťazného ťahu v stolovej hre. Túto metódu je možné uplatniť pri najrôznejších problémoch. Napríklad trénujte počítače, aby identifikovali konkrétny vzorec na lekárskych snímkach. Spoločnosť DeepMind, spoločnosť s umelou inteligenciou vlastnená spoločnosťou Google, vyvíja softvér, ktorý sa naučí diagnostikovať rakovinu a očné choroby na základe skenov pacientov. Iní používajú strojové učenie na zisťovanie skorých príznakov srdcových chorôb a Alzheimerovej choroby.
Umelá inteligencia sa už tiež používa na analýzu veľkého množstva molekulárnych informácií pri hľadaní potenciálnych nových možností liekov - procesu, ktorý je pre človeka mimoriadne časovo náročný. Strojové učenie sa veľmi skoro stane pre medicínu nepostrádateľným.
Umelá inteligencia nám tiež pomáha spravovať mimoriadne zložité systémy, ako je globálny dodávateľský reťazec. Systém v srdci kontajnerového terminálu Port Botany v Sydney spravuje desaťtisíce prepravných kontajnerov, flotilu automatizovaných vozidiel a tak ďalej, úplne bez ľudí. V ťažobnom priemysle sa optimalizačné systémy čoraz viac využívajú na plánovanie a koordináciu pohybu zdrojov, ako je železná ruda.
AI funguje všade, kam sa pozriete, od financií po dopravu, lietanie lietadlami a sledovanie akciového trhu. A chránia vašu poštu pred spamom. Ale to je len začiatok. Ako sa bude AI vyvíjať, bude to čoraz zložitejšie a zaujímavejšie.
Aký je problém?
Namiesto obáv z budúcej revolúcie v oblasti AI je najväčším rizikom to, že môžeme príliš dôverovať inteligentným systémom, ktoré budujeme. Stačí pripomenúť, že strojové učenie trénuje softvér na identifikáciu vzorcov v dátach. Po zaškolení pokračuje v analýze čerstvých, ešte neštudovaných údajov. Ale keď počítač chrlí odpoveď, zvyčajne netušíme, ako k tomu došlo.
Vyskytujú sa tu zjavné problémy. Systém je iba taký dobrý ako údaje, z ktorých sa učí. Absolvujte systém vyškolený na zisťovanie, u ktorých pacientov s pneumóniou je pravdepodobnejšie, že zomrú, aby boli najskôr prijatí do nemocnice. Povedzme, že nechtiac klasifikuje pacientov s bronchiálnou astmou ako nízkorizikových pacientov. Pretože zvyčajne trpia astmou a pneumóniou priamo na jednotke intenzívnej starostlivosti, dostávajú liečbu, ktorá znižuje riziko úmrtia. Strojové učenie to vníma ako „astmu + zápal pľúc = nižšie riziko smrti“.
Keď AI získa prístup do všetkých oblastí vášho života, rastie aj riziko, že sa niečo pokazí - ak sa to nebude predvídať. A keďže väčšina údajov, ktoré napájame AI, je nedokonalá, nemali by sme vo väčšine prípadov očakávať dokonalé odpovede. Budujeme umelú inteligenciu na svoj obraz a podobu; s najväčšou pravdepodobnosťou bude „nie veľmi“, ako my.
ILYA KHEL